微软开源了一款名为markitdown的Python工具，它能够轻松将多种文件格式转换为Markdown格式。markitdown支持包括PDF、PowerPoint、Word、Excel、图片、音频、HTML以及各种文本格式和压缩包。用户可以通过pip安装并在Python代码中使用，也可以在终端直接调用。该工具不仅支持基本的转换，还能借助大模型（如OpenAI的GPT-4o）进行更高级的处理，例如图片OCR识别和语音转录。markitdown为用户提供了便捷高效的文件格式转换方案。

📄markitdown支持多种文件格式转换为Markdown，包括PDF、PowerPoint、Word、Excel、图片、音频、HTML以及各种文本格式和压缩包，满足用户多样化的转换需求。

💻 markitdown可通过pip安装，并提供简单的Python API，用户可以轻松在代码中集成使用，进行文件转换操作。

🧠 markitdown还支持与大模型（如GPT-4o）结合使用，实现更高级的功能，如图片OCR识别和音频转录，提升转换效果和智能化程度。

pythonic生物人 2024-12-18 12:04 浙江

微软开源Python Markdown转换工具

分享一个microsoft开源的Python工具——markitdown，轻松将各类文件转换为Markdown格式。

markitdown支持的文件格式

PDF（.pdf）

PowerPoint（.pptx）

Word（.docx）

Excel（.xlsx）

图片（支持EXIF元数据和OCR识别）

音频（支持EXIF元数据和语音转录）

HTML（包括对Wikipedia等特殊处理）

各种其他基于文本的格式（如csv、json、xml等）

ZIP（遍历压缩包内容并逐一转换每个文件）

---

markitdown使用

安装

pip install markitdown

Python代码中使用小例子

from markitdown import MarkItDown  
# 导入MarkItDown类
markitdown = MarkItDown()  
# 创建MarkItDown对象
result = markitdown.convert("test.xlsx")  
# 转换test.xlsx为Markdown格式
print(result.text_content)  
# 输出转换后的内容

Python代码中使用小例子（借助大模型）

from markitdown import MarkItDown
from openai import OpenAI
client = OpenAI()
md = MarkItDown(llm_client=client, llm_model="gpt-4o") #指定使用"gpt-4o"模型
result = md.convert("example.jpg")
print(result.text_content)

终端使用小例子

markitdown path-to-file.pdf > document.md
#将path-to-file.pdf转为document.md文件

进一步学习：https://github.com/microsoft/markitdown

-END-

往期精彩回顾

写了一本适合本科生的机器学习入门书

适合初学者入门人工智能的路线及资料下载

(图文+视频)机器学习入门系列下载

机器学习及深度学习笔记等资料打印

《统计学习方法》的代码复现专辑

交流群

请备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“加群。

（也可以加入机器学习交流qq群772479961）

跳转微信打开